例11-1 给定11个点坐标，绘制简单折线图 (x,y)
import numpy as np import matplotlib.pyplot as plt # 引入绘图库 x = np.arange(11) # 从0开始，步长为1 的11个整数 y = np.array([0.15,0.16,0.14,0.17,0.12,0.16,0.1,0.08,0.05,0.07,0.06]) # 取11个数 plt.plot(x, y, color = 'green', marker='o') # 绘制11个点的折线图，红色、点型 plt.show()
例11-2 绘制散点图 y = sin(x)
import matplotlib.pyplot as plt ; import numpy as np x = np.linspace(0, 2*np.pi, 30) # 将[0,2*PI]等分为30份的一维数组 y = np.sin(x) plt.scatter(x, y, marker='.', color='green') # marker 点型, 颜色color为blue plt.show()
例11-3 绘制4个子图，如图所示
import numpy as np import matplotlib.pyplot as plt x = np.arange(0, 100) fig = plt.figure(figsize=(8,6),dpi=80) ax1 = fig.add_subplot(2,2,1) # (2,2)表示将画布分成2行,2列,可画4个子图 ax1.plot(x, x) ax1.legend(['y=x']) ax2 = fig.add_subplot(2,2,2) # 这是第2个子图 ax2.plot(x, -x,'r') ; ax2.legend(['y=-x']) ax3 = fig.add_subplot(2,2,3) # 这是第3个子图 ax3.plot(x, x ** 2,'b') ax3.legend(['y=x*x']) ax4 = fig.add_subplot(2,2,4) # 这是第4个子图 ax4.plot(x, np.log(x+1e-5),'g') ax4.legend(['y=log(x)'],loc='lower right') # 图例在右下方 plt.show()
第四个图如果将ax4.plot(x, np.log(x+1e-5),'g')换成ax4.plot(x, np.log(x),'g')即与示例图一致，但会报divide by zero encountered in log的错误，因为log在负数域计算为无穷小了，导致第四张图无法加载y<0的部分。x+1e-5代表将其转变为高精度浮点数，能够显示的区域就会变大到现在的样子。
例11-4 用画布的各种设置，绘制折线图：y = sin(x)，z = cos(x)。设置包括：
（1）图片的大小、标题title、图例legend、字体大小fontsize
（2）坐标轴的4个属性：刻度xticks、范围xlim、标签xlabel、字体大小fontsize
（3）折线图的6个属性：颜色color、点型marker、点型大小marksize、 线型linestyle 、线宽linewidth、透明度alpha
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
x = np.arange(0,2*np.pi,0.1)
y = np.sin(x)
f = plt.figure(figsize=(8,4),dpi=80) # 画布大小：宽8英寸，高4英寸
f.set_facecolor((0.92,0.92,0.96)) # 设置坐标轴颜色
plt.title('正弦、余弦函数图形',fontsize=12) # 标题 ，字体大小：12
plt.xlabel('x 变量',fontsize=12) # x轴标签
plt.ylabel('y 变量',fontsize=12)
plt.xlim((0,6.6)) # 确定x轴范围
plt.ylim((-1,1))
plt.xticks(np.arange(0,6.6,0.4)) # 确定 x 轴刻度
plt.yticks(np.arange(-1,1,0.2))
plt.plot(x,y,marker='o',linestyle='-',linewidth=1.2) # 绘制正弦折线图：点型、线型、线宽
y = np.cos(x)
plt.plot(x,y,color='r',marker=',',linestyle='-',linewidth=1.2) # 绘制余弦：颜色、点型、线型、线宽
plt.legend(['y=sin(x)','y=cos(x)'],fontsize=12) # 设置图例
plt.text(3.2,np.sin(3.2)+0.08,'y = sin(3.2)',fontsize=12) # 在点（3.2,sin(3.2)+0.08）处添加文本
plt.show()
例11-5 绘制沪指综合指数收盘数据趋势图
import numpy as np
import xlrd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示
wb = xlrd.open_workbook(r"C:pythonFilespythonProject教材各章数据教材各章数据第11章数据SH000001.xls") # 沪指综合指数交易数据
sheet = wb.sheet_by_index(0) # 通过索引获取sheet表格
d = sheet.col_values(0)[3100:3400] # 第1列：交易日期
y = sheet.col_values(4)[3100:3400] # 第5列：沪指收盘指数
f = plt.figure(figsize=(8,4),dpi=80) # 设置画布大小
plt.xlabel('交易日期',fontsize=12)
plt.ylabel('沪指综合收盘指数',fontsize=12) # 添加纵轴标签
x = range(0,len(y));t = []
plt.plot(x,y, marker=',',c='blue') # 绘制折线图
for i in range(len(d)): # 交易日期 ： 年月日之间加点“.”
a = str(int(d[i])); b = a[0:4] + "." + a[4:6] + "." + a[6:8]
t.append(b)
plt.xticks(range(0,300,15),t[0:300:15],rotation=45) # rotation=45：旋转45度
date1 = t[0];date2 = t[-1]; f.set_facecolor((0.92,0.92,0.96)) # 设置坐标轴颜色
plt.title('沪指综合收盘指数'+'(日期：' + date1 + '-' + date2+')',fontsize=12)
i_min, Min = np.argmin(y),np.min(y)
i_max,Max = np.argmax(y),np.max(y)
plt.text(i_max+3,Max-10, str(Max)+'(最高点)',color='r',fontsize=12) # 最高点
plt.text(i_min-75,Min+6, str(Min)+'(最低点)' ,color='r',fontsize=12) # 最低点
plt.show()
例11-6 绘制 ：y = x **3 散点图（10个点）
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 16,10) # 把[0,16]分为10等份
y = x**3
c = [] # 颜色列表
size = [] # 大小列表
for i in range(10):
size.append(20+i**3) # i越大，点的形状越大
if i % 2 == 0: # 能被 2 整数
c.append('red') # 偶数: 红色
else:
c.append('blue') # 奇数: 蓝色
plt.scatter(x, y, color = c, s = size) # 散点图
plt.legend(['y=x^3'],fontsize=10)
plt.show()
例11-7 绘制：人均消费金额y与人均国民收入x之间的散点图
import matplotlib.pyplot as plt ; import xlrd
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
wb = xlrd.open_workbook(r"C:pythonFilespythonProject教材各章数据教材各章数据第11章数据人均消费金额与人均国民收入.xls")
sheet = wb.sheet_by_index(0) # 通过索引获取表格
col_1 = sheet.col_values(2) # 获取第2列内容：人均国民收入
col_2 = sheet.col_values(3) # 获取第3列内容：人均收费金额
x=col_1[1:21] ; y=col_2[1:21] # 获取第1行至20行数据
plt.figure(figsize=(8,5)) # 设置图片大小
plt.title('人均国民收入与人均消费金额散点图',fontsize=15) # 标题
plt.xlabel('人均国民收入 x (元)',fontsize=12) # 设置x标签及字体大小
plt.ylabel('人均消费金额 y (元)',fontsize=12)
plt.scatter(x,y,color='blue',marker='o') # 散点图：marker表示点的形状
plt.show()
例11-8 logistic回归经典二分类数据集（数据：testSet.txt）
import matplotlib.pyplot as plt
def loadDataSet(): # ---------定义函数：加载二分类经典数据集 -------------
x1 = []; y1 = [] ; x2 = []; y2 = []
f = open(r'C:pythonFilespythonProject教材各章数据教材各章数据第11章数据testSet.txt') # 打开文本文件
for line in f.readlines(): # 按行迭代读取数据
lineList = line.strip().split() # 按默认字符（空格）拆分数据
if int(lineList[2]) == 0 : # 类别0 的点
x1.append(float(lineList[0]))
y1.append(float(lineList[1]))
else: # 类别1的点
x2.append(float(lineList[0]))
y2.append(float(lineList[1]))
return x1,y1,x2,y2
x1,y1,x2,y2 = loadDataSet() # 二维点（x,y）的分类: 0 或 1
plt.rcParams['font.sans-serif']=['SimHei'] # 绘图时可以显示中文
plt.rcParams['axes.unicode_minus']=False
plt.title('二维随机变量（x,y）散点图分类',fontsize=12) # 标题
plt.xlabel('随机变量 x ',fontsize=12)
plt.ylabel('随机变量 y ',fontsize=12)
plt.scatter(x1,y1,color='blue',marker='o') # 类别为0的点：散点图，颜色red，点型：o
plt.scatter(x2,y2,color='black',marker='+') # 类别为1的点：散点图，颜色blue，点型：+
plt.legend(['类别0','类别1'],loc='upper left') # 设置图例，位置：左上方
plt.show()
例11-9 绘制：随机生成10000数据，服从均值为0，方差为1的正态分布的频率直方图（间隔个数：30）。
import matplotlib.pyplot as plt ; import numpy as np plt.figure(figsize=(8,4),dpi=80) np.random.seed(0); d = np.random.normal(0,1,10000) # 生成10000个标准正态分布数据 n, bins, patches = plt.hist(d,30,density =0, facecolor='red', alpha=0.8, edgecolor='white',lw=1) plt.show()
绘制：服从均值为0，方差为1的正态分布的概率密度直方拟合图
import matplotlib.pyplot as plt ; import numpy as np plt.figure(figsize=(8,4),dpi=80) np.random.seed(0); d = np.random.normal(0,1,10000) # 生成10000个标准正态分布数据 n, bins, patches = plt.hist(d,30,density =1, facecolor='red', alpha=0.8, edgecolor='white',lw=1) y = np.exp(-0.5*bins*bins)/np.sqrt(2*np.pi) # 概率密度值 plt.plot(bins, y,'r-') # 概率密度折线图 plt.title(r'Histogram of IQ: $mu=0$, $sigma=1$') # 用专用格式化符号，添加标题，r表示不转义 plt.show()
例11-10 文件：高数线代考试成绩.xls包含了某年级同学的考试成绩。根据这些成绩，绘制频率直方图
import numpy as np ; import xlrd ; import matplotlib.pyplot as plt
wb = xlrd.open_workbook(r"C:pythonFilespythonProject教材各章数据教材各章数据第11章数据高数线代考试成绩.xls")
sheet = wb.sheet_by_index(0) # 通过索引获取sheet表格
col_2 = sheet.col_values(3) # 获取第3列内容：考试成绩
x = np.array(col_2[1:],dtype=float) # 考试成绩
f = plt.figure(figsize=(8,4),dpi=80) # 设置画布大小
f.set_facecolor((0.92,0.92,0.96)) # 设置坐标轴颜色
plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
n, bins, patches = plt.hist(x,10, density =1, facecolor='red',edgecolor='white', lw=1,alpha=0.75)
mu = np.mean(x) # 平均值
sigma = np.std(x) # 标准差
y = np.exp(-0.5*(bins-mu)*(bins-mu)/(sigma**2))/(np.sqrt(2*np.pi)*sigma) # 密度值
plt.plot(bins, y, 'r-') # 概率密度折线拟合图
plt.title('高等数学考试成绩频率直方图'+ '，人数：'+str(len(x)))
plt.legend([r'正态分布: $mu=%.2f$, $sigma=%.2f$'%(mu,sigma)])
plt.show()
例11-11 根据文件《普通高校毕业生人数、考研报考人数、考研录取人数.xls》，如表所示，绘制考研人数的条形图。
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = ('2016','2017','2018','2019','2020') # 条形图标签数据：年份（对应x轴）
y = [177,201, 238, 290, 341] # 硕研报考人数（条形图高度数据）
plt.bar(x,y,color='r',width=0.45,tick_label=x,edgecolor='k') # 条形的边框颜色
plt.xticks(fontsize=12);plt.yticks(fontsize=12) # 坐标轴刻度：字体大小
plt.title('我国硕士研究生报考人数(2016-2020年)',fontsize=13)
for i in range(len(x)): # 添加文本数据
plt.text(i-0.3,y[i]+12,str(y[i])+'万人',fontsize=12)
plt.show()
例11-12 利用例题11-11中数据，绘制考研录取人数的横放条形图。
import matplotlib.pyplot as plt
f = plt.figure(figsize=(5,3),dpi=80) # 设置画布大小
f.set_facecolor((0.92,0.92,0.96)) # 设置坐标轴颜色
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
y = ('2016', '2017', '2018', '2019', '2020') # 条形图标签数据：年份（对应y轴）
w = [59, 72.2, 76.3, 80, 111.4] # 硕研录取人数（条形图宽度数据）
c = ['g', 'r', 'b', 'g', 'b'] # 条形图的颜色列表
plt.barh(y, w, height=0.5, color=c, tick_label=y) # 绘制横放条形图
plt.title('我国硕士研究生录取人数(2016-2020年)',fontsize=13)
plt.xticks(fontsize=12);plt.yticks(fontsize=12)
plt.xlabel('人数',fontsize=12);plt.ylabel('年份',fontsize=12)
for i in range(len(y)):
plt.text(w[i]+2, y[i], str(w[i])+'万人')
plt.show()
例11-13 利用例题11-11数据，绘制高校毕业、硕研报考、录取人数的并列条形图
import matplotlib.pyplot as plt; import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']; plt.rcParams['axes.unicode_minus'] = False
plt.figure(figsize=(8,4),dpi=80)
x = ('2016','2017','2018','2019','2020') # 条形图标签数据：年份（对应x轴）
h1 = [765,795,820,834,874] # 普通高校毕业人数
h2 = [177,201, 238, 290, 341] # 硕研报考人数（条形图高度数据）
h3 = [59,72.2,76.3,80,111.4] # 硕研录取人数（条形图宽度数据）
bar_width = 0.6 # 条形宽度
bar1 = np.arange(0,len(x)*2,2) # 条形图1的横坐标位置
bar2 = bar1 + bar_width # 条形图2的横坐标位置
bar3 = bar2 + bar_width # 条形图2的横坐标位置
plt.bar(bar1,height=h1,width=bar_width,color='b',label='毕业人数')
plt.bar(bar2,height=h2,width=bar_width,color='g',label='报考人数')
plt.bar(bar3,height=h3,width=bar_width,color='r',label='录取人数')
plt.xticks(bar1 + bar_width, x, fontsize=12)
plt.ylim(0,1200) ; plt.yticks(fontsize=12) # 坐标轴范围、刻度：字体大小
plt.title('普通高校毕业、硕研报考、录取人数(2016-2020年)，单位：万人',fontsize=13)
plt.legend(loc='upper left') # 显示图例
for i in range(len(x)): # 添加文本数据
plt.text(i*2 - 0.2,h1[i] + 12, str(h1[i]),fontsize=12)
plt.text(i*2 + 0.4,h2[i] + 12, str(h2[i]),fontsize=12)
plt.text(i*2 + 1.0,h3[i] + 12, str(h3[i]),fontsize=12)
plt.show()
例11-14 据某一年度数据，我国部分地区各类在校学生总数2.82亿人，绘制饼图。
import matplotlib.pyplot as plt ; plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False label=["幼儿园", "小学生", "初中生", "高中生", "高校生", "研究生", "其他"] data = [4713.88,10561.24,4827.14,3994.9,3715.63,286.37,101] exp = [0, 0, 0, 0, 0.1, 0, 0.32] # 各项离饼图圆心为n个半径 plt.pie(x=data, labels=label, explode=exp,shadow=True) plt.pie(x=data, labels=label, explode=exp, shadow=True, autopct='%1.0f%%') plt.legend() plt.show();
